AI for Math 的新思路
如果一个人根本不懂数学,只是靠AI碰巧解出一道难题,有价值吗?这有点像猴子拿到了AK47:武器很强,但它不知道为什么能打中,也不知道下一次该往哪里开枪。
数学研究的价值,不只是得到一个答案。更重要的是,有没有人能理解证明为什么成立,从中提炼出新的方法,再把这些方法推广到其他问题上。这也是陶哲轩一直强调的方向:AI可以参与数学研究,但人类必须始终参与到研究过程里。
最近,超衍智能 Apex Intelligence
@apexin_ai 推出了一套名为“Apex Math”的自动化 AI 系统来做数学研究。不同于 OpenAI 的1万个Agent暴力并行求解,Apex Intelligence的路线是:先由专业数学家提出有价值、值得推进的研究课题,再让 AI 系统去尝试独立完成证明,最后交回给数学家做严谨的审核。有点类似Vibe Coding中Agent与程序员的合作模式。
这套数学家与AI的合作模式,人类始终在整个过程中,对于项目有充分的掌控和理解,很契合前几天陶哲轩等菲尔兹得主联名倡导的方向。
目前,Apex Intelligence的这套系统已经推进了 5 项前沿数学研究:
· 其中 2 项已经通过了专家的严格核验。
1)MVI优化算法,人类数学家使用这套系统接力跟进,持续提升最优算法
第一版论文:
清华后续优化:
北大后续优化:
谷歌后续优化:
2)Mockenhaupt三项Hardy-Littlewood极大化猜想
AI 系统给出了一个通用的解析证明,彻底证明了这个猜想在所有参数下都成立。
· 另外 3 份候选论证(包括悬而未决 29 年的 Nivat 猜想),已直接公在了 Apex 数学平台 上,并且设立了 10 万元奖金池,公开邀请全球的研究者来挑错、复核或者补齐推导。
参与方式 :
他们还分享了一些与AI的对话记录:
Apex Math现在提供的方法,权衡了AI和数学家的职能,是比较实际能落地的方案,但还不一定是AI做数学研究的最终形态。不久的未来,随着AI能力的显著提升,数学家、科研工作者如何与AI协作,可能还会有大的变革。